量化策略中常见的几种错误

量化与对冲 · 公众号 · 基金 · 2017-10-21 08:00

正文

请到「今天看啥」查看全文

现实中还存在着更为隐蔽的公司行为前视偏差。例如，股份拆分调整可能会带来潜在的前视偏差。有时，公司管理层会通过股票分割（或反向股票分割）来提升流动性或吸引特定投资者。从建模角度来看，我们倾向于进行全部的分割调整。比如，我们在计算利润率时，每股收益（EPS）数据往往来自较低频率（季度、半年度或年度）的公司财务报表，然而股价信息则来自于日度的公开市场数据，这样我们就需要对EPS和股价在同一时间进行分割调整。如下图所示，假如我们在进行回测时使用复权调整后的股价数据，那么前视偏差将会导致策略基本失效，其结果和标普指数相平。

三、讲故事（The sin of storytelling）

一些人喜欢没有任何数据就开始讲故事，做量化的人喜欢拿着数据和结果讲故事。两种情况有很多类似之处，擅长讲故事的人或者说擅长解释数据结果的人往往在得到数据之前，内心已经存在既定的脚本，只需要找到数据支撑即可。

回顾1997年-2000年和2000年-2002年两段时间的美国科技成分股和Russell 3000指数，我们会发现一个截然相反的结论。从1997-2000年间的美国科技成分股来看，利润率是一个很好的因子，且回测结果也十分可信，然而如果拉长时间区间到2002年，我们会发现利润率指标不再是一个好的因子。